反思菲式思考 Part.4｜站在菲神的肩膀上研發策略｜預判法說會有用嗎？

from pandas.core.indexing import convert_from_missing_indexer_tuple
from finlab import data
from finlab.backtest import sim
import pandas as pd
import numpy as np

import datetime

close = data.get("price:收盤價")

# Extend the dataset from monthly to daily with * (close >= 0)
rev_yy = data.get("monthly_revenue:去年同月增減(%)") * (close >= 0)
rev_mm = data.get("monthly_revenue:上月比較增減(%)") * (close >= 0)
no_grow = ((close - close.shift(-5)) / close < 1.07)

investor_conference = data.get('investors_conference').reset_index()
investor_conference = investor_conference.pivot(index='date', columns='stock_id')["公司名稱"].notna()
position = investor_conference * (close >= 0)

# Buy and Hold from last 10 days
position = position.shift(-10).fillna(False)
position = position & ((rev_yy > 0) | (rev_mm > 0)) & no_grow
position = position.rolling(10).sum().fillna(0)

report = sim(position, trade_at_price="close", fee_ratio=1.425/1000/3, upload=True)

回測結果

如同書中所提及的，Sharpe Ratio 跟 MDD (Maximum Draw Down) 都不夠理想，還能再加強。

Sharpe Ratio 是衡量投資報酬和風險平衡的指標，越高表示風險調整後的報酬較好。最大跌幅（MDD, Maximum Draw Down）則評估投資組合在一段時間內最大的價值下跌。夏普比率看風險和報酬，MDD (Maximum Draw Down)看最壞時的損失。

策略優化

加入季營收增長率

通常營收增長率越高的公司，越容易是飆股，詳細請見 FinLab 的營收動能策略。

順著營收 YoY, MoM > 0 的思路，如果再加入營收 QoQ (營收年增率) > 0 這個條件的話，是否會更好呢？

答案是肯定的，只要 YoY, QoQ, MoM 三者中滿足一個 > 0，就去打這檔股票，最終效果是能增加 Sharpe Ratio 的。

營收的 YoY, QoQ, MoM 必須都要增長才行

在前面，做法是 YoY, QoQ, MoM 只要有一個 > 0，就交易這支股票；如果將濾網收緊，令營收 YoY, QoQ, MoM 都要 > 0 的話，會更好嗎？

就結果而言，影響不大，但是能有效降低交易次數，也代表每筆的期望報酬會增加。

營收 YoY, QoQ, MoM 至少要有一個亮眼才行

或者說，營收的增加不僅僅要有增長，更需要達到相當引人注目的程度，才能真正改善績效？比如至少要達到50%以上的增長。經過實驗證實，這樣的調整或許能稍微提高夏普比率，但並不會有非常明顯的增加。

MAE/MFE 分析

觀察 MAE/Return plot，停損設在差不多 10% 能避免虧損持續擴大，也能明顯看到勝手沒有超過 10% 的 MAE。

關於怎麼理解 MAE/MFE，可以參考這個部落格，裡面深入淺出的介紹了 MAE/MFE 的使用方法。

小結

最終策略

from pandas.core.indexing import convert_from_missing_indexer_tuple
from finlab import data
from finlab.backtest import sim
import pandas as pd
import numpy as np

import datetime

close = data.get("price:收盤價").fillna(method='ffill').fillna(method='bfill')

# Extend the dataset from monthly to daily with * (close >= 0)
rev_yy = data.get("monthly_revenue:去年同月增減(%)") * (close >= 0)
rev_mm = data.get("monthly_revenue:上月比較增減(%)") * (close >= 0)
rev_qq = data.get('fundamental_features:營收成長率') * (close >= 0)
no_grow = ((close - close.shift(-5)) / close < 1.07)

investor_conference = data.get('investors_conference').reset_index()
investor_conference = investor_conference.pivot(index='date', columns='stock_id')["公司名稱"].notna()
position = investor_conference * (close >= 0)

# Buy and Hold from last 10 days
position = position.shift(-10).fillna(False)
position = position & ((rev_yy > 0) | (rev_qq > 0) | (rev_mm > 0)) & no_grow
position = position.rolling(10).sum().fillna(0)

report = sim(position, trade_at_price="close", fee_ratio=1.425/1000/3, stop_loss=0.1)